嘿，作为R新手能自己尝试手动子集化数据已经超棒啦！你现在只手动拆分了LA这一个子集，要批量处理AREA列的所有唯一值并导出对应的CSV文件，这里有几种简单好用的方法，你可以跟着一步步来：

这个组合的代码逻辑很直观，适合刚接触tidyverse的朋友：

library(dplyr)
library(purrr)

# 先设置工作目录，加载数据
setwd("S:/some stuff")
data <- read.csv("Area.csv", header = TRUE, sep = ",")

# 按AREA拆分数据并批量导出CSV
data %>%
  group_split(AREA) %>%  # 把原数据按AREA的唯一值拆成多个数据框的列表
  walk(function(sub_df) {
    # 提取当前子数据框对应的AREA名称
    area_label <- unique(sub_df$AREA)
    # 导出为以AREA命名的CSV，row.names=FALSE避免导出多余行号
    write.csv(sub_df, file = paste0(area_label, ".csv"), row.names = FALSE)
  })

如果不想装新包，用R自带的功能就能搞定，逻辑简单易懂：

setwd("S:/some stuff")
data <- read.csv("Area.csv", header = TRUE, sep = ",")

# 先获取AREA列的所有唯一值
all_areas <- unique(data$AREA)

# 循环遍历每个唯一值，拆分数据并导出
for (area in all_areas) {
  # 子集化当前AREA对应的数据
  area_data <- subset(data, AREA == area)
  # 导出CSV，文件名用当前AREA命名
  write.csv(area_data, file = paste0(area, ".csv"), row.names = FALSE)
}

如果你的数据量特别大（比如几万甚至几十万行），data.table的处理速度会比上面两种方法快很多：

library(data.table)

setwd("S:/some stuff")
# fread是data.table的读取函数，比read.csv更快
data <- fread("Area.csv")

# 按AREA分组，直接导出每个分组为CSV
data[, fwrite(.SD, paste0(AREA, ".csv")), by = AREA]

小提示： #

• 确保你设置的工作目录有写入权限，不然会弹出权限不足的报错
• 如果AREA的名称里有空格、斜杠这类特殊字符，可以用gsub替换成下划线，比如：area_label <- gsub("[^a-zA-Z0-9]", "_", unique(sub_df$AREA))，避免文件名出现问题
• 导出时记得加row.names=FALSE，不然CSV里会多一列没用的行号哦

内容的提问来源于stack exchange，提问作者damo